pdfgrep.org

pdfgrep 适合搜索文本层可提取的 PDF，尤其是需要在命令行里批量、跨多个文件做关键词检索的场景。它刻意向 GNU Grep 靠拢，支持 -r、-i、-n、-c 等常见选项，所以如果你已经熟悉 grep，迁移成本很低。反过来，如果你的 PDF 是纯扫描图片、没有可提取文本，或者你希望用图形界面点选操作，pdfgrep 就不是合适的选择。

判断你的 PDF 是否适合

关键不在文件扩展名，而在 PDF 内部是否存有可提取的文本层。

一个快速自检方法：在 PDF 阅读器里试着选中并复制一段文字。如果能选中复制，说明有文本层，pdfgrep 大概率能搜到；如果只能整页框选或完全选不中，基本就是图片型 PDF。

适合的典型场景

批量跨文件检索

这是 pdfgrep 最核心的用途。比如你有一个目录，里面放着几十份报告，想找出所有提到某个项目名的文件：

pdfgrep -r "项目名称" ./reports/

-r 递归搜索子目录，输出会标出命中的文件和所在位置。这比逐个打开 PDF 用阅读器搜索快得多。

需要脚本化、可组合的处理

因为行为接近 GNU Grep，pdfgrep 可以自然接进 shell 管道和脚本。例如只统计命中次数、忽略大小写、显示行号：

pdfgrep -i -c "keyword" *.pdf

-i 忽略大小写，-c 只输出每个文件的匹配计数。这类组合在需要自动化处理大量文档时很实用。

已熟悉 grep 的用户

如果你日常用 grep 处理文本，pdfgrep 的选项命名和语义基本一致，不需要重新学一套语法。这是它相对其他 PDF 检索工具的主要优势。

不适合的情况

• 需要图形界面：pdfgrep 是命令行工具，没有可视化界面。习惯用鼠标点选、看高亮预览的用户会觉得别扭。
• 纯扫描件且未做 OCR：没有文本层就无从匹配，需要先用 OCR 工具生成文本层，再交给 pdfgrep。
• 需要复杂版面理解：pdfgrep 做的是文本匹配，不解析表格结构、不还原阅读顺序，涉及版面语义的任务不适合。

怎么确认它符合你的需求

1. 先确认目标 PDF 有可提取文本（阅读器里能选中文字）。
2. 确认你接受命令行操作方式。
3. 如果满足前两条，且需求是“在多个 PDF 里找关键词”，pdfgrep 基本就是合适工具。
4. 如果 PDF 是扫描件，先解决 OCR 问题，再考虑用 pdfgrep 检索。

简单说：有文本层 + 命令行 + 批量检索 = 适合；图片型 PDF 或需要图形界面 = 不适合。

pdfgrep 是专门用来在 PDF 文件里搜索文本的命令行工具，它在语法和选项上尽量兼容 GNU Grep，但核心差别在于：普通 grep 不能直接读取 PDF 内容，pdfgrep 可以。如果你的检索对象是 PDF，就该用 pdfgrep；如果只是纯文本文件，grep 已经够用，没必要替换。

核心差异

关键机制在于 PDF 不是纯文本：文字通常经过压缩、编码，还可能分散在多个对象里。grep 按字节流匹配，遇到 PDF 自然对不上；pdfgrep 会先把 PDF 的文本内容提取出来，再套用类似 grep 的匹配逻辑。所以 pdfgrep 的“兼容”指的是命令用法接近，而不是它能替代 grep 处理所有文件。

什么时候用哪个

• 搜 PDF 里的关键词、批量在目录下找包含某句话的 PDF：用 pdfgrep。
• 搜日志、代码、配置文件等纯文本：用 grep，更快也更直接。
• 需要 grep 的高级特性（复杂正则、管道组合等）：先确认 pdfgrep 是否支持；它只承诺“在有意义的地方”兼容，不是 100% 覆盖。

常见选项对照

pdfgrep 支持的常见选项和 grep 含义基本一致：

• -i：忽略大小写
• -n：显示匹配所在的行号（对 PDF 而言是文本行）
• -c：只输出匹配计数
• -r：递归搜索目录下的文件

例如需要在一个文件夹里找所有提到某个术语的 PDF，可以递归搜索并忽略大小写，用法和 grep 的思路一致，只是把目标从文本文件换成了 PDF。

判断是否值得用

如果你的工作里经常要在 PDF 文档（报告、论文、合同、手册）中定位内容，pdfgrep 省去了先转文本再搜的步骤，值得装。如果几乎不碰 PDF，或者只需要偶尔搜一次，用现成的 PDF 阅读器搜索框可能更快，不必专门引入命令行工具。

一个前提要注意：pdfgrep 依赖 PDF 里的文本层。扫描件、图片型 PDF 没有可提取的文字，pdfgrep 搜不到内容，这类文件需要先做 OCR。

pdfgrep 是一个在 PDF 文件中搜索文本的命令行工具，它有意兼容 GNU Grep，因此许多你熟悉的 grep 选项都能直接使用。根据 pdfgrep.org 的说明，-r、-i、-n、-c 等常用选项都受支持。如果你已经会用 grep，迁移到 pdfgrep 的成本很低；如果你需要跨多个 PDF 批量查找关键词，下面这几个选项基本能覆盖大多数日常任务。

基本用法

pdfgrep 的调用形式与 grep 类似：

pdfgrep [选项] 模式 文件.pdf

例如在单个 PDF 中查找某个词：

pdfgrep "关键词" document.pdf

预期结果是输出包含该关键词的文本内容。如果没有任何输出，说明该 PDF 中没有匹配到该模式（或该 PDF 的文本层无法被提取）。

常用选项

-i：忽略大小写

pdfgrep -i "keyword" document.pdf

让匹配不区分大小写，Keyword、KEYWORD、keyword 都会被命中。适合你不确定原文大小写、或希望一次覆盖多种写法的场景。

-n：显示匹配所在位置

pdfgrep -n "keyword" document.pdf

在输出匹配内容的同时显示匹配所在的行号或页码信息，便于你定位到 PDF 中的具体位置。当你需要回到原文核对上下文时，这个选项很实用。

-c：统计匹配数量

pdfgrep -c "keyword" document.pdf

只输出匹配的次数，而不打印具体内容。适合快速判断某个词在文档中出现的频率，或用于脚本中做条件判断。

-r：递归搜索目录

pdfgrep -r "keyword" ./papers/

递归遍历指定目录下的 PDF 文件进行搜索。当你有一整个文件夹的文献、报告需要批量查找时，这个选项可以省去逐个指定文件的麻烦。

选项组合

这些选项可以叠加使用，例如：

pdfgrep -rin "keyword" ./papers/

表示在 ./papers/ 目录下递归搜索、忽略大小写、并显示匹配位置。组合时注意把选项写在模式之前，符合命令行工具的通用惯例。

选择建议

由于 pdfgrep 以兼容 GNU Grep 为目标，你熟悉的许多其他 grep 选项也可能可用。具体支持范围建议以 pdfgrep --help 的实际输出为准，因为不同版本的选项集合可能略有差异。

pdfgrep.org 是 pdfgrep 这个命令行工具的官方网站。pdfgrep 用来在 PDF 文件里搜索文本，让你不用逐个打开文档就能定位关键词所在的位置。它面向需要在大量 PDF 中批量检索的人，比如要在一堆论文、报告或扫描件里找某个术语、编号或人名。它的设计目标是尽量兼容 GNU Grep：在合理的地方沿用 grep 的用法，你熟悉的许多 grep 选项都能直接使用，例如 -r、-i、-n、-c。

pdfgrep 解决什么问题

普通 grep 只能处理纯文本文件，直接对 PDF 运行会得到乱码或匹配失败，因为 PDF 内部是压缩、编码后的结构。pdfgrep 在搜索前先解析 PDF 的文本层，再按你给的模式匹配，因此可以：

• 在单个 PDF 中查找关键词并输出所在行或页码信息。
• 用 -r 递归搜索整个目录下的 PDF。
• 用 -i 忽略大小写，用 -n 显示匹配所在位置，用 -c 只统计匹配数量。
• 把结果交给其他命令继续处理，适合脚本化和批量任务。

与直接用 grep 的关系

pdfgrep 的定位是“能读 PDF 的 grep”。它不重新发明一套语法，而是复用 GNU Grep 的选项习惯，降低学习成本。已经熟悉 grep 的人，多数情况下只需把命令名从 grep 换成 pdfgrep，再补上要搜索的 PDF 文件或目录即可。

典型使用场景

• 在一批下载的论文里找提到某个方法或数据集的文档。
• 在合同、发票、报告中定位某个条款编号或金额。
• 在脚本里批量检查 PDF 是否包含指定关键词，并统计命中数量。

例如需要在一整个目录的 PDF 中查找 “invoice” 且不区分大小写，可以用 -r 配合 -i 递归搜索；如果只想知道有多少处匹配，加上 -c 即可。

使用前需要知道的前提

• 它是命令行工具，需要在终端中使用，不提供图形界面。
• 搜索依赖 PDF 的文本层。纯图片扫描件如果没有经过 OCR 生成文本层，通常搜不到内容。
• 具体安装方式、支持的全部选项和最新版本信息，以 pdfgrep.org 官方页面为准。